Perfiles de afinidad y discriminación por asociación en publicidad conductual en línea

 La creación de perfiles de afinidad (agrupar a las personas según sus intereses asumidos en lugar de únicamente sus rasgos personales) se ha convertido en algo habitual en la industria de la publicidad online. Los proveedores de plataformas en línea utilizan publicidad conductual (OBA) y pueden inferir información muy sensible (por ejemplo, origen étnico, género, orientación sexual, creencias religiosas) sobre las personas para apuntar o excluir a ciertos grupos de productos y servicios, u ofrecer precios diferentes.

La OBA y los perfiles de afinidad plantean al menos tres desafíos legales distintos: privacidad, no discriminación y protección a nivel de grupo. Los marcos regulatorios actuales pueden estar mal equipados para proteger suficientemente contra los tres daños. Primero examino varias deficiencias del Reglamento general de protección de datos (GDPR) en relación con la gobernanza de inferencias sensibles y elaboración de perfiles. A continuación, muestro las lagunas de la ley de no discriminación de la UE en relación con los perfiles de afinidad en términos de sus áreas de aplicación (es decir, empleo, bienestar, bienes y servicios) y los tipos de atributos y personas que protege.

Propongo que la aplicación del concepto de "discriminación por asociación" puede ayudar a cerrar algunas de estas brechas en la protección legal contra la OBA. Este concepto desafía la idea de diferenciar estrictamente entre intereses asumidos y rasgos personales al perfilar a las personas. No reconocer la posible relación, ya sea directa o indirectamente, entre intereses asumidos y rasgos personales podría hacer que la no discriminación sea ineficaz. La discriminación por asociación ocurre cuando una persona es tratada significativamente peor que otras (por ejemplo, no se le muestra un anuncio) en función de su relación o asociación (por ejemplo, género o afinidad asumidos) con un grupo protegido.

Fundamentalmente, el individuo no necesita ser miembro del grupo protegido para recibir protección. La protección no depende de si la medida adoptada se basa en un atributo protegido que un individuo realmente posee o en su mera asociación con un grupo protegido. La discriminación por asociación ayudaría a superar el argumento de que inferir la "afinidad por" y la "pertenencia a" un grupo protegido no están estrictamente relacionados. No necesitar ser parte del grupo protegido, como argumentaré, también niega la necesidad de que las personas que son parte del grupo protegido se 'destaquen' como miembros del grupo (por ejemplo, orientación sexual, religión) para recibir protección. si lo prefieren. Finalmente, las personas que han sido discriminadas pero que en realidad no son miembros del grupo protegido (por ejemplo, personas que han sido clasificadas erróneamente como mujeres) también pueden presentar una demanda.

Incluso si se cierran estas brechas, persisten los desafíos. La falta de prácticas y modelos comerciales transparentes podría suponer una barrera considerable para probar casos de no discriminación. Finalmente, la analítica inferencial y la IA amplían el círculo de posibles víctimas de un trato indeseable en este contexto al agrupar a las personas según similitudes y características inferidas o correlacionadas. Estos nuevos grupos no se tienen en cuenta en la legislación sobre protección de datos y no discriminación.

Termino con recomendaciones de políticas para abordar cada uno de estos desafíos legales para la OBA y el perfil de afinidad.

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3388639

Editado por Aniceto Pérez y Madrid, Especialista en Ética de la Inteligencia Artificial y Editor de Actualidad Deep Learning (@forodeeplearn).

Los artículos publicados son incluidos por su estimada relevancia y no expresan necesariamente los puntos de vista del Editor este Blog.